Научный руководитель: Плещев Владимир Васильевич (доктор педагогических наук, профессор)

Уральский государственный экономический университет

В наше время потребительский рынок характеризуется жесткой конкурентоспособной борьбой за потребителя. Информация о клиенте и история его покупок собирается в клиентскую базу данных и предоставляет её владельцу огромное конкурентное преимущество.

Создание и управление такой базой данных, содержащей информацию о клиентах и историю взаимодействия с ними, для прямых предложений товаров и услуг компании, называется директ–маркетингом. При этом компания–владелец базы ставит перед собой задачу: установить длительные взаимоотношения с потребителем с целью увеличения прибыли, получаемой от клиента.

Важнейшее преимущество маркетинга перед традиционными видами позиционирования товаров и услуг – возможность целевого использования маркетинговых инвестиций с максимально возможной, точно рассчитанной отдачей. Маркетинговые усилия фокусируются только на тех клиентах, которые с большой вероятностью откликнутся на коммерческое предложение, при этом меньше внимания уделяют тем клиентам, которые вероятно не отреагируют на данное предложение. В результате оптимизируется прибыль от маркетинговых операций[1].

Рассмотрим следующий пример: СКБ-БАНК собирается уменьшить процентную ставку на получение кредита. Вместо того, чтобы отправить приглашения всем посетителям сайта, зарегистрированных в клиентской базе данных, письма рассылаются на электронную почту только тем покупателям, которые ранее получали кредит. Результатом такого целевого выбора является значительное сокращение затрат на рекламу и акции, соответственно увеличивается доля рентабельности и инвестиций.

Таким образом, директ–маркетинг позволяет принять более верные маркетинговые решения, которые основываются на реальных фактах. Говоря иными словами, знания, которые несут информацию, содержатся в клиентской базе. В результате такого решения увеличивается объем продаж и рентабельность инвестиций.

Различные исследования в области директ–маркетинга приходят к единому выводу: наиболее значительное влияние на принадлежность наблюдений позитивному классу оказывают переменные поведенческой истории клиента, нежели результаты анкетирования клиента. Поэтому, в большинстве случаев все модели сегментации ограничиваются универсальной тройкой переменных, известных как RFM по первым буквам названий переменных[2].

Итак, у нас есть два параметра для сегментации Recency (далее по тексту R) и Frequency (далее по тексту F), оба эти параметра могут предсказывать дальнейшее поведение клиента c определенной точностью[3]. Если объединить их в один параметр RF – то мы сможем увеличить точность в разы:

– параметр R – разбивается на пять частей, и появляются пять значений от 1 до 5;

– 5 – это когда заказ был сделан совсем недавно;

– параметр F – разбивается на пять частей, и появляются пять значений от 1 до 5;

– 5 – это когда клиент сделал в течение определенного периода времени (этот период тоже нужно рассчитать) сделал очень много заказов;

– строится RF сетка (grid): в виде двухзначной комбинации R и F.   55 – сегмент лучших клиентов, 11 – самых худших клиентов;

– вычисляются Transformation rates для каждого сегмента;

– 25 RF сегментов объединяются по Transformation rates в большие сегменты.

На рисунке 1 представлены сегменты оптимального решения процесса сегментации.

Рисунок 1 – RF сегментация

Что можно делать с RF сегментами:

– выделить клиентов, которым нужно слать сообщения, и которым не нужно;

– делать прогнозные модели;

– анализировать не только продажи, но и посещаемость веб сайта;

–  строить программу лояльности.

Классификация по параметру Frequency [4]:

– для каждого клиента определить количество покупок за определённый период;

– разбить полученные данные на 5 групп (квантилей). Клиентам, совершившим наибольшее число покупок, будет присвоен код F=5, наименее активные покупатели получат F=1;

Классификация по параметру Monetary:

– для каждого клиента определить сумму потраченных денег;

– разбить полученные данные на 5 групп (квантилей). Клиентам, потратившим наибольшие суммы, будет присвоен код М=5, клиентам, потратившим наименьшие суммы будет присвоен код М=1;

– cовместить полученные результаты, каждый клиент при этом получит код RFM, состоящий из трёх цифр.

На основании метода RFM сегментации, который базируется на жизненном цикле клиента Ключевой целью концепции директ– маркетинга является достижение и укрепление лояльности потребителей. Исследователи отмечают, что наличие большого количества лояльных по отношению к организации и платежеспособных клиентов может обеспечить методу ряд существенных преимуществ как в кратко-, так и в долгосрочной перспективе.

Лояльность определяется сочетанием «поведенческих» и «воспринимаемых» характеристик. Поэтому лояльными являются те потребители, которые положительно относятся к деятельности компании, предлагаемым ею продуктам и услугам, а также ее персоналу.

Таким образом, применение RFM анализа для сегментации клиентов банка, является важным и актуальным вопросом, решение которого позволит пользователю такой базы данных сделать оптимальный выбор.

1. Айвазян С.А., Мхитарян В.С., Теория вероятностей и прикладная статистика, [Текст] т 1,2. М.: «Юнити», 2001.
2. Николай О.В., Бизнес-аналитика: от данных к знаниям. Учебное пособие. 2-е издание, [Текст], Питер, 2012 г.
3. Метод сегментации клиентских баз данных на основе жизненного цикла клиента [Электронный ресурс] – http://www.robyshoes.com
4. BaseGroup.ru: Логистическая регрессия и RFM-анализ – математический аппарат [Электронный ресурс] -http://basegroup.ru
5. RFM-сегментация, сегментация клиентов на основе жизненного цикла клиента и поведенческой истории [Электронный ресурс] – http://b2blogger.com

Все статьи автора «Кисарин Александр Вкторович»